Обучающая AI платформа

Создать корпоративный ИИ-тренажёр, в котором сотрудник может отрабатывать реальные рабочие ситуации в диалоге с виртуальным клиентом, а руководитель — видеть не факт прохождения курса, а конкретные навыки, ошибки и динамику обучения. Первым сценарием применения стал контакт-центр: сложные обращения, продажи, работа с возражениями, персональными данными и конфликтными ситуациями. Платформа изначально проектировалась шире одного подразделения — с возможностью использовать её для продаж, HR, руководителей и других функций. 

Важная цель проекта — сократить зависимость качества обучения от доступности наставника и перейти от периодического обучения к регулярной персональной практике.

2026

Создана работающая корпоративная платформа, объединяющая проведение ИИ-тренировок, управление курсами, оценку, аналитику и работу с организационной структурой. Реализованы голосовые и текстовые сценарии, роли сотрудника, руководителя и методолога, персональные назначения, командная аналитика, паспорт навыков и повторная тренировка по выявленным ошибкам. Оценка строится на фактическом содержании диалога, а не на самом факте прохождения курса. Платформа позволяет быстро добавлять новые сценарии без разработки отдельного приложения под каждый кейс. Проект сформировал основу для масштабирования технологии с контакт-центра на продажи, HR, обучение руководителей и другие процессы компании.

Backend платформы разработан на FastAPI, пользовательский интерфейс — React/Vite. Публикация выполняется через IIS, идентификация пользователей интегрирована с Windows Authentication и корпоративным AD. Организационная структура и права руководителей формируются из корпоративной штатной структуры в MS SQL Server. Для диалогов и оценки используется LLM через OpenAI-совместимый корпоративный API; модель может заменяться без переделки бизнес-логики. Голосовой контур построен на потоковых STT/TTS-сервисах. Для хранения учебных данных используется SQL-хранилище. Платформа интегрирована с внутренней ИТ-инфраструктурой и рассчитана на дальнейшее размещение моделей в собственном GPU-контуре.

В проекте не используются решения из каталога Global CIO

Основная сложность была не в подключении LLM, а в превращении вероятностной модели в предсказуемый корпоративный инструмент. Потребовалось разделить контуры ведения диалога и независимой оценки, обеспечить строгую структуру результатов, проверку доказательств по репликам и устойчивую работу при нестандартных ответах модели. Отдельная задача — связать платформу с реальной оргструктурой и автоматически ограничивать данные в зависимости от роли сотрудника и положения руководителя в иерархии. Дополнительно решались вопросы Windows-аутентификации, потоковой речи, сменяемости LLM, таймаутов, отказоустойчивости и работы внутри корпоративного контура.

Сотрудник получает назначенный курс и запускает тренировку из личного кабинета. Система создаёт учебную сессию и передаёт ИИ сценарий, роль собеседника, контекст и правила поведения. Дальше проходит полноценный диалог, а не последовательность заранее подготовленных вопросов. После завершения отдельный контур оценки анализирует весь разговор по заданным критериям, определяет выполненные и пропущенные действия и формирует рекомендации. Результат сохраняется в истории обучения и влияет на профиль навыков. Руководитель видит прогресс своей команды, может назначать курсы и анализировать проблемные навыки. Методолог самостоятельно управляет сценариями, рубриками и учебными материалами.

Видео обзор платформы

Проект создаётся для ПЭК — компании с распределённой филиальной сетью по России. Поэтому платформа изначально не привязана к одному офису или учебному классу: сотруднику достаточно корпоративного рабочего места и доступа к внутренней сети. Единые сценарии и критерии оценки могут использоваться сотрудниками территориально удалённых подразделений, при этом руководители получают данные только по доступной им части организационной структуры. Такой подход позволяет централизованно развивать методологию обучения и одновременно масштабировать её на филиалы без развёртывания отдельного решения в каждом регионе.